Expertensysteme / XPS

Transkript

1 Expertensysteme / XPS Alexander Pentzlin und Thiemo Bannasch KI II Claes Neuefeind

2 Inhalt Was ist ein Expertensystem Geschichtlicher Hintergrund Prinzip eines XPS Komponenten Realisierungsprinzipien fallbasiertes Schließen regelbasiertes Schließen Entscheidungsbäume Anwendung und Aufgaben von XPS Nachteile Fazit 2

3 Was ist ein Expertensystem System, das komplexe Probleme erkennt, indem es Handlungsempfehlungen aus einer Wissensbasis ableitet grundlegende Frage: in wieweit kommt es zu einer Schlussfolgerung und ist diese auch zutreffend? Bsp: medizinische Diagnose bekannte Systeme: CLIPS, Prolog. 3

4 Was ist ein Expertensystem 4

5 Geschichtlicher Hintergrund Beginn: 1960 Edward Feigenbaum ursprüngliche Idee: General Problem Solver Software zur Realisierung einer allgemeinen Problemlösungsmethode sollte unabhängig vom Problembereich Lösungen generieren Idee wurde abandoniert, da das Ziel zu hoch gesteckt war. 5

6 Prinzip eines XPS Grundlage: Wenn Dann Beziehungen 6

7 Komponenten Wissenserwerbskomponente Problemlösungskomponente Erklärungskomponente Wissensbasis 7

8 Komponenten Expertensysteme reproduzieren nicht nur die Wissensbasis, sondern sollen auch zu weiteren Schlussfolgerungen kommen 8

9 Realisierungsprinzipien fallbasiertes Schließen 9

10 Realisierungsprinzipien Wissensbasis ist eine Falldatenbank, welche zu konkreten Problemstellungen eine Lösung beschreibt Suche nach einem vergleichbaren Fall um die Lösung auf den aktuellen zu übertragen Hauptproblem: Konzept der Ähnlichkeit Bsp: medizinische Diagnose fallbasiertes Schließen Beispiel in C++ 10

11 Realisierungsprinzipien regelbasiertes Schließen 11

12 Realisierungsprinzipien regelbasiertes Schließen Bsp.: Clips CLIPS (C Language Integrated Production System) datengetriebenes (vorwärtsverkettendes) Produktionssystem, mit dem Expertensysteme (XPS) erstellt werden können 1985 von der NASA entwickelt, in ISO C geschrieben 1986 wurde CLIPS auch öffentlich verfügbar / Open Source Mit CLIPS können Expertensysteme im klassischen Sinn erstellt werden 12

13 Realisierungsprinzipien Clips Homepage Clips Dokumentation 13

14 Realisierungsprinzipien praktisches Beispiel in Clips 14

15 Realisierungsprinzipien Entscheidungsbäume werden bei Klassifizierungsproblemen eingesetzt sind eigenständig zu Lernprozessen in der Lage induktives Lernen auf basis einer Beispielmenge Beispiel besteht aus einer Reihe von Attributen (z.b. eines Patienten) und deren konkreten Ausprägungen 15

16 Realisierungsprinzipien 16

17 Realisierungsprinzipien Entscheidungsbäume bei der Verarbeitung wird ein Pfad durchlaufen: die einzelnen Attribute sind Knoten, die Ausprägungen sind Kanten solange, bis ein Blatt gefunden wird. Dieser gibt die Klasse des beschriebenen Objektes an möglichst kleine Bäume sind das Ziel, die Schwierigkeit liegt in der Auswahl der Attribute 17

18 Anwendung und Aufgaben von XPS Anwendung: werden gebraucht, wo Experten fehlen oder die Probleme so komplex und so viele Daten vorhanden sind, dass die Verarbeitungskapazität menschlicher Experten überfordert ist. ist ein Bereich nicht sehr formal durchdrungen, sondern von empirischem Wissen beherrscht, so wird ein Problembereich sehr diffus und nicht überschaubar 18

19 Anwendung und Aufgaben von XPS Aufgabenklassen: Dateninterpretation: Analyse von Daten mit dem Ziel der Zuordnung zu Objekten Bsp: Erkennung akustischer Sprache (Hearsay), Proteinstrukturbestimmungen aus Röntgendaten, militärische Aufklärung Überwachung: Interpretation von Daten mit Aktionsauslösung in Abhängigkeit vom Ergebnis Bsp: Überwachung eines Kernreaktors Prognose: Vorhersage und Bewertung erreichbarer Zustände zeitvarinanter Systeme Bsp: Beurteilung von Erdbebenauswirkungen (Speril), Hochwasservorraussage 19

20 Nachteile können kontraproduktiv werden, wenn der Anwender ohne intelligente Betreuung sich nur auf das System verlässt und keine Alternativen überprüft Datenumfang kann sehr komplex sein, weswegen dem System nicht alle Fälle bekannt sind ein Expertensystem kann nicht die vorgegeben Parameter in Frage stellen (Closed World assumption) Erfindungen und Innovationen erfordern sinnvolle Kombinationen des Problems mit fachfremden Wissen 20

21 Nachteile automatisierte Expertensystem können in machen Einsatzbereichen verheerende Auswirkungen erzielen (Bsp: militärische Abwehrsysteme, die nicht richtig betreut werden) Schwarzer Montag 1987 (Börsencrash): angeblich sollen ähnlich reagierende Computer Trader diesen Fall verstärkt haben 21

22 Fazit 22

23 Vielen Dank für die Aufmerksamkeit! 23